---
title: "Piscines publiques accessibles aux scolaires"
output: 
  flexdashboard::flex_dashboard:
    self_contained : false
    orientation: rows
    social: menu
    source_code: embed
    navbar:
      - { title: "Accueil", href: DRAJESBFC.html, align: right, icon: fa-home }
    theme: simplex
---

```{r setup, include=FALSE ,echo=FALSE, cache=F}
#library(flexdashboard)
#source("C:/Users/plebre/Documents/projets R/DRAJES/librairies.R")
##library(plotly)
##library(gghighlight)
#library(highcharter)
##library(plotly)
##library(ggiraph)
#library(janitor)
#library(DT)
#library(formattable)
#library(leaflet)
#library(leaflet.extras2)


load("data/sport/piscines.RData")
load("data/sport/bassins.RData")
load("data/BPE/ecoles.RData")

load("data/sport/iso.RData")

#load("data/demo/basecom.RData")
#load("data/demo/cartes.RData")

factPal <- colorFactor("Blues", iso_diff$drive_times,na.color = "#808080")

appartenance <- rbind(appartenance,c("REG","FR","France","-"))

pal <- colorFactor(c("#006400","#228B22","#F5F5F5","#FF7F50","#B22222","#80000060"), 
                   domain = sort(unique(piscines$tranches)  ),reverse = T )



# Option de chunk
knitr::opts_chunk$set(
 fig.width = 6,
 fig.asp = 0.8,
 out.width = "80%"
)
```

# ![](images/BFC_s.svg) Régions {data-orientation="rows" height="30"}

## Row {data-height="20"}

## Row {data-height="100"}

### Données générales

La région Bourgogne-Franche-Comté compte **283** bassins de natation publics accessibles aux scolaires en 2020 pour une surface de nage par habitant de **190 m²**.\
**124** d'entre eux sont couvertes.

## Row {.tabset .tabset-fade .tabset-pills data-height="800"}

### Comparaisons régionales

Près de la moitié des piscines de la région ne sont pas ouvertes à l'année.

```{r}
piscines %>% group_by(REG) %>% summarise_if(is.numeric,sum) %>%
                  adorn_totals("row",name = "FR") %>%
                  mutate(surfnat=color_bar("lightblue")
                         (digits(10000*surfpiscines/pop,1,decimal.mark=",") ),
                         surfnat_rec = cut(10000*surfpiscines/pop,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) %>%
  left_join(.,appartenance %>% filter(NIVGEO=="REG") %>% dplyr::select(CODGEO,LIBGEO),by=c("REG"="CODGEO") ) %>%
  dplyr::select (région=REG, LIBGEO, `Nombre de bassins publics`=nbpiscines,`Bassins couverts`=nbpiscines_couv,`Bassins saisonniers`=nbpisc_saison,
          Population=pop,`surface de baignade pour 10 000 hab`=surfnat,tranches=surfnat_rec) %>%
 kable("html", format.args = list(decimal.mark = ",", big.mark = " "),
      align="rcrrrrlrr",
      escape = F) %>% 
  kable_styling("hover", full_width = F) %>%
  column_spec(7, bold=T) %>%
  row_spec(3,background = "#E0FFFF75",  bold = T , color = "steelblue") %>%
  row_spec(14,bold = T ) %>%
#  row_spec(which(region$REG=='27'),background = "#E0FFFF75",  bold = T , color = "steelblue")%>%
#  row_spec(nrow(region_tab),bold = T,color = "navy") %>%
  footnote(general = " MEDES recensement des équipements sportifs 2020", general_title = "Source : ",
           footnote_as_chunk = T)
```

### Surface natatoire pour 10 000 habitants

En lien avec la faible densité de population, la région est la mieux dotée en terme de surface de nage par habitant.

```{r}
hchart(piscines %>% group_by(REG) %>% summarise_if(is.numeric,sum) %>%
                  adorn_totals("row",name = "FR") %>%
                  mutate(surfnat=round(10000*surfpiscines/pop,1) ) %>% arrange(desc(surfnat)) %>%
         left_join(.,appartenance %>% filter(NIVGEO=="REG") %>% dplyr::select(CODGEO,LIBGEO),by=c("REG"="CODGEO") ) ,
                  "bar", hcaes(x=reorder(LIBGEO,surfnat),y=surfnat,color=ifelse(REG=="27","#6a5acd",
                                                                 ifelse(REG=="FR","#ff7f50","#ffd700") ) ) , 
       showInLegend = F, name = "surface natatoire /n pour 10 000 habitants", pointWidth = 20) %>%
    hc_xAxis(title=list(text="Régions")) %>%
    hc_yAxis(title=list(text="surface natatoire")) %>%
  hc_add_theme(thm) 
```

# ![](images/BFC_dep_s.svg) Départements {data-orientation="rows" height="30"}

## Row {data-height="20"}

## Row {data-height="100"}

### Données générales

L'éloignement joue un rôle déterminant dans la surface de baignade. Le Jura, département montagneux, la Saône et Loire et l'Yonne, départements peu denses, sont bien dotées. à l'Inverse, les départements plus denses ou ceux où la population se concentre dans les grandes villes sont moins dotés. Le territoire de Belfort est ainsi le moins bien équipé sur la surface natatoire pour 10 000 habitants.

## Row {.tabset .tabset-fade .tabset-pills data-height="800"}

### Comparaisons départementales

```{r}
piscines %>% group_by(DEP) %>% filter(DEP %in% depbfc) %>% summarise_if(is.numeric,sum) %>%
                  adorn_totals("row",name = "BFC") %>%
                  mutate(surfnat=color_bar("lightblue")
                         (digits(10000*surfpiscines/pop,1,decimal.mark=",") ),
                         surfnat_rec = cut(10000*surfpiscines/pop,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) %>%
  left_join(.,appartenance %>% filter(NIVGEO=="DEP") %>% dplyr::select(CODGEO,LIBGEO),by=c("DEP"="CODGEO") ) %>%
  select (Département=DEP, LIBGEO, `Nombre de bassins publics`=nbpiscines,`Bassins couverts`=nbpiscines_couv,`Bassins saisonniers`=nbpisc_saison,
          Population=pop,`surface de baignade pour 10 000 hab`=surfnat,tranches=surfnat_rec) %>%
 kable("html", format.args = list(decimal.mark = ",", big.mark = " "),
      align="rcrrrrlrr",
      escape = F) %>% 
  kable_styling("hover", full_width = F) %>%
  column_spec(6, bold=T) %>%
 # row_spec(3,background = "#E0FFFF75",  bold = T , color = "steelblue") %>%
 # row_spec(14,bold = T ) %>%
#  row_spec(which(region$REG=='27'),background = "#E0FFFF75",  bold = T , color = "steelblue")%>%
#  row_spec(nrow(region_tab),bold = T,color = "navy") %>%
  footnote(general = " MEDES recensement des équipements sportifs 2020", general_title = "Source : ",
           footnote_as_chunk = T)
```

### Surface natatoire pour 10 000 habitants

Le Jura est le **5e** département pour la surface natatoire disponible pour 10 000 habitants, l'Yonne le dixième. à l'inverse, le Territoire de Belfort est le 5e département le moins bien doté.

```{r}
hchart(piscines %>% group_by(DEP) %>% summarise_if(is.numeric,sum) %>%
                  mutate(surfnat=round(10000*surfpiscines/pop,1) ) %>% arrange(desc(surfnat)) %>%
         left_join(.,appartenance %>% filter(NIVGEO=="DEP") %>% select(CODGEO,LIBGEO),by=c("DEP"="CODGEO") ) ,
                  "bar", hcaes(x=reorder(LIBGEO,surfnat),y=surfnat,
                               color=ifelse(DEP %in% depbfc,"#6a5acd","#ffd700" )) , 
       showInLegend = F, name = "surface natatoire /n pour 10 000 habitants", pointWidth = 2) %>%
    hc_xAxis(title=list(text="Départements")) %>%
    hc_yAxis(title=list(text="surface natatoire")) %>%
  hc_add_theme(thm) 
```

### Surface natatoire pour 10 000 habitants infrarégionale

```{r}
hchart(piscines %>% group_by(DEP) %>% filter (DEP %in% depbfc) %>% summarise_if(is.numeric,sum) %>%
                  mutate(surfnat=round(10000*surfpiscines/pop,1) )  %>%
                  arrange(desc(surfnat)) %>%
         left_join(.,appartenance %>% filter(NIVGEO=="DEP") %>% select(CODGEO,LIBGEO),by=c("DEP"="CODGEO") ) ,
                  "bar", hcaes(x=reorder(LIBGEO,surfnat),y=surfnat,
                               color=ifelse(DEP %in% depbfc,"#6a5acd","#ff7f50" )) , 
       showInLegend = F, name = "surface natatoire /n pour 10 000 habitants", pointWidth = 20) %>%
      hc_xAxis(title=list(text="Départements")) %>%
    hc_yAxis(title=list(text="surface natatoire")) %>%
  hc_add_theme(thm) 
```

### Carte départementale

```{r}

piscinesdep <- sp::merge(depwgs,piscines %>% group_by(INSEE_DEP=DEP) %>%  summarise_if(is.numeric,sum) %>%
                  mutate(surfnat=round(10000*surfpiscines/pop,1) ) %>%
                     mutate(surfnat=round(10000*surfpiscines/pop,1),
                         tranche = cut(surfnat,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) ,by="INSEE_DEP")

leaflet(piscinesdep) %>%
  addProviderTiles(providers$CartoDB.Positron) %>% 
    setView(lng = 5.1, lat = 47.27, zoom = 6) %>%
  addPolygons(weight=2,opacity = 0.6,color = "#2F4F4F", fill=T, 
                           fillColor = ~pal(tranche), fillOpacity = 0.8 ) %>%
  addPolygons(data=reg27carto,group  = "BFC",fill = F,color="#9370DB",weight = 5, opacity = 1) %>%
  addCircles(centroid(piscinesdep)[,1],centroid(piscinesdep)[,2],
             group = "region", radius=~5000*nbpiscines^(1/2),
             weight=4, color = "#4169E1", opacity = 0.8,
             fillOpacity = 0.2,
             highlight = highlightOptions (fillOpacity =  0.1,
             weight = 5,   color = "#00FFFF"),
             popup = popupTable(piscinesdep@data %>% 
                                   select(Département=NOM_DEP_M,pop.x,nbpiscines,nbpiscines_couv,nbpisc_saison,surfnat,tranche),
                                 feature.id=F,row.numbers = F)) %>%
addLegend( position = "bottomright",pal = pal ,title = "surface natatoire pour 10000 habitants",values = piscinesdep$tranche )

```

# ![](images/BFC_EPCI_s.svg) EPCI {data-orientation="rows" height="30"}

## Row {data-height="20"}

## Row {.tabset .tabset-fade}

### Comparaisons établissements publics de coopération intercommunale {vertical_layout="scroll"}

Les grandes agglomérations servent de centre de service pour les EPCI alentours. Les piscines y sont plus nombreuses.\
31 EPCI n'ont aucune piscine publique accessible aux scolaires.

```{r,echo=F}
piscines %>% filter(REG=='27')  %>% group_by(EPCI) %>% summarise_if(is.numeric,sum) %>%
                 arrange(desc(nbpiscines),desc(pop)) %>%
                 adorn_totals("row",name = "BFC") %>%
                  mutate(surfnat=color_bar("lightblue")
                         (digits(10000*surfpiscines/pop,1,decimal.mark=",") ),
                         surfnat_rec = cut(10000*surfpiscines/pop,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) %>%
  left_join(.,appartenance %>% filter(NIVGEO=="EPCI") %>% select(CODGEO,LIBGEO),by=c("EPCI"="CODGEO") ) %>%
  select (EPCI, LIBGEO, `Nombre de bassins publics`=nbpiscines,`Bassins couverts`=nbpiscines_couv,`Bassins saisonniers`=nbpisc_saison,
          Population=pop,`surface de baignade pour 10 000 hab`=surfnat,tranches=surfnat_rec) %>%
 kable("html", format.args = list(decimal.mark = ",", big.mark = " "),
      align="rcrrrrlrr",
      escape = F) %>% 
  kable_styling("hover", full_width = F) %>%
  column_spec(6, bold=T) %>%
 # row_spec(3,background = "#E0FFFF75",  bold = T , color = "steelblue") %>%
 # row_spec(14,bold = T ) %>%
#  row_spec(which(region$REG=='27'),background = "#E0FFFF75",  bold = T , color = "steelblue")%>%
#  row_spec(nrow(region_tab),bold = T,color = "navy") %>%
  footnote(general = " MEDES recensement des équipements sportifs 2020", general_title = "Source : ",
           footnote_as_chunk = T) %>%
   scroll_box(height = "800px") 
```

### Carte de surface de baignade par EPCI {data-height="800"}

```{r}

piscinesepci <- sp::merge(epciwgs,piscines %>% group_by(CODE_EPCI=EPCI) %>% 
                  filter (CODE_EPCI %in% basecom$EPCI[basecom$REG=="27"] ) %>%
                  summarise_if(is.numeric,sum) %>%
                  mutate(surfnat=round(10000*surfpiscines/pop,1) ) %>%
                     mutate(surfnat=round(10000*surfpiscines/pop,1),
                         tranche = cut(surfnat,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) ,by="CODE_EPCI")

leaflet(piscinesepci) %>%
  addProviderTiles(providers$CartoDB.Positron) %>% 
    setView(lng = 5.1, lat = 47.27, zoom = 8) %>%
  addAwesomeMarkers(data=bassins,icon=icons,popup = popupTable(bassins,row.numbers = F,feature.id = F),
                    group = "tous bassins") %>%
  addPolygons(weight=2,opacity = 0.6,color = "#2F4F4F", fill=T, 
                           fillColor = ~pal(tranche), fillOpacity = ~ifelse(is.na(tranche),0, 0.8 ),
              popup = popupTable(piscinesepci@data %>% 
                                   select(EPCI=NOM_EPCI,pop,nbpiscines,nbpiscines_couv,nbpisc_saison,surfnat,tranche),
                                 feature.id=F,row.numbers = F)) %>%
  addPolygons(data=reg27carto,group  = "BFC",fill = F,color="#9370DB",weight = 5,opacity = 1) %>%
  addPolygons(data=dep27carto,group  = "départements",fill = F,color="#9370DB",weight = 3,opacity = 1) %>%
  addCircles(centroid(piscinesepci)[,1],centroid(piscinesepci)[,2],
             group = "region", radius=~5000*nbpiscines^(1/2),
             weight=1, color = "#4169E1", opacity = 0.8,
             fillOpacity = 0.2,
             highlight = highlightOptions (fillOpacity =  0.1,
             weight = 5,   color = "#00FFFF"),
             popup = popupTable(piscinesepci@data %>% 
                                   select(EPCI=NOM_EPCI,pop,nbpiscines,nbpiscines_couv,nbpisc_saison,surfnat,tranche),
                                 feature.id=F,row.numbers = F)) %>%
addLegend( position = "bottomright",pal = pal ,title = "surface natatoire pour 10000 habitants",values = piscinesepci$tranche )

```

# ![](images/BFC_BV_s.svg) Bassins de vie {data-orientation="rows" height="30"}

## Row {data-height="20"}

## Row {.tabset .tabset-fade}

### Comparaisons bassins de vie {vertical_layout="scroll"}

Les bassins de vie égalisent un peu le poids des grandes agglomération en mettant les piscines en rapport avec la population. Toutefois, certaines sortent du lot comme Vesoul qui est très bien doté, et les bassins de vie des montagne du Jura qui proposent des infrastructures nombreuses (Champagnole, Saint-Claude).\
42 bassins de vie n'ont pas de piscines publique accessible aux scolaires.

```{r,echo=F}
piscines %>% filter(REG=='27')  %>% group_by(BV2012) %>% summarise_if(is.numeric,sum) %>%
                  arrange(desc(nbpiscines),desc(pop)) %>%
                  adorn_totals("row",name = "BFC") %>%
                  mutate(surfnat=color_bar("lightblue")
                         (digits(10000*surfpiscines/pop,1,decimal.mark=",") ),
                         surfnat_rec = cut(10000*surfpiscines/pop,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) %>%
  left_join(.,appartenance %>% filter(NIVGEO=="BV2012") %>% select(CODGEO,LIBGEO),by=c("BV2012"="CODGEO") ) %>%
  select (BV2012, LIBGEO, `Nombre de bassins publics`=nbpiscines,`Bassins couverts`=nbpiscines_couv,`Bassins saisonniers`=nbpisc_saison,
          Population=pop,`surface de baignade pour 10 000 hab`=surfnat,tranches=surfnat_rec) %>%
 kable("html", format.args = list(decimal.mark = ",", big.mark = " "),
      align="rcrrrrlrr",
      escape = F) %>% 
  kable_styling("hover", full_width = F) %>%
  column_spec(6, bold=T) %>%
 # row_spec(3,background = "#E0FFFF75",  bold = T , color = "steelblue") %>%
 # row_spec(14,bold = T ) %>%
#  row_spec(which(region$REG=='27'),background = "#E0FFFF75",  bold = T , color = "steelblue")%>%
#  row_spec(nrow(region_tab),bold = T,color = "navy") %>%
  footnote(general = " MEDES recensement des équipements sportifs 2020", general_title = "Source : ",
           footnote_as_chunk = T) %>%
   scroll_box(height = "800px") 
```

### Carte de surface de baignade par bassin de vie {data-height="800"}

```{r}
piscinesbv <- sp::merge(bvwgs,piscines %>% group_by(BV2012) %>%  
                 filter(BV2012 %in% basecom$BV2012[basecom$REG=="27"] ) %>%
                  summarise_if(is.numeric,sum) %>%
                  mutate(surfnat=round(10000*surfpiscines/pop,1) ) %>%
                     mutate(surfnat=round(10000*surfpiscines/pop,1),
                         tranche = cut(surfnat,
                            include.lowest = FALSE,
                            right = FALSE,
                            dig.lab = 4,
                            breaks = c(0, 1, 100, 140, 170, 200, 250, 350, Inf),
                            labels = c("Absence de piscine" , 
                                       "< 100 m² / 10 000" , 
                                       "100 à 140 m² /10 000" ,
                                       "140 à 170 m² / 10 000",
                                       "170 à 200 m² / 10 000",
                                       "200 à 250 m² / 10 000",
                                       "250 à 350 m² / 10 000",
                                       "> 350 m² / 10 000"  )  )) ,by="BV2012")

leaflet(piscinesbv) %>%
  addProviderTiles(providers$CartoDB.Positron) %>% 
    setView(lng = 5.1, lat = 47.27, zoom = 8) %>%
  addAwesomeMarkers(data=bassins,icon=icons,popup = popupTable(bassins,row.numbers = F,feature.id = F),
                    group = "tous bassins") %>%
  addPolygons(weight=2,opacity = 0.6,color = "#2F4F4F", fill=T, 
                           fillColor = ~pal(tranche), fillOpacity =  ~ifelse(is.na(tranche),0, 0.8 ),
               popup = popupTable(piscinesbv@data %>% 
                                   select(BV2012 ,pop,nbpiscines,nbpiscines_couv,nbpisc_saison,surfnat,tranche),
                                 feature.id=F,row.numbers = F))   %>%
  addPolygons(data=reg27carto,group  = "BFC",fill = F,color="#9370DB",weight = 5,opacity = 1) %>%
  addPolygons(data=dep27carto,group  = "départements",fill = F,color="#9370DB",weight = 3,opacity = 1) %>%
  addCircles(centroid(piscinesbv)[,1],centroid(piscinesbv)[,2],
             group = "region", radius=~5000*nbpiscines^(1/2),
             weight=1, color = "#4169E1", opacity = 0.8,
             fillOpacity = 0.2,
             highlight = highlightOptions (fillOpacity =  0.1,
             weight = 5,   color = "#00FFFF"),
             popup = popupTable(piscinesbv@data %>% 
                                   select(BV2012 ,pop,nbpiscines,nbpiscines_couv,nbpisc_saison,surfnat,tranche),
                                 feature.id=F,row.numbers = F)) %>%
addLegend( position = "bottomright",pal = pal ,title = "surface natatoire pour 10000 habitants",values = piscinesbv$tranche )

```

# `r fa(name="fas fa-history")` Temps d'accès {data-orientation="rows"}

## Row {data-height="20"}

## Row {data-height="700"}

### Temps d'accès aux piscines de la région (©[OpenStreetMap](https://www.openstreetmap.org/copyright) et ©[OSRM](http://project-osrm.org/) ) {data-height="700"}

Certains territoires sont éloignés des bassins de natation, particulièrement les bassins couverts, y compris des communes équipées d'écoles primaires : dans le Morvan, le nord Côte-d'Or, entre Pouilly en Auxois et Arnay le Duc ou encore autour de Pierre de Bresse.

```{r}
leaflet() %>% 
  setView(mean(bassins$lon), mean(bassins$lat), zoom = 8) %>%
  addProviderTiles(providers$CartoDB.Positron) %>% 
  addAwesomeMarkers(data=bassins,icon=icons,popup = popupTable(bassins,row.numbers = F,feature.id = F),
                    group = "tous bassins") %>%
  addPolygons(fill = TRUE, fillOpacity = 0.6, fillColor = ~factPal(iso_diff$drive_times),
              stroke = F,
              data = iso_diff["drive_times"], popup = iso_diff$drive_times,
              group = "tous bassins") %>%
  
  addAwesomeMarkers(data=bassins_couv,icon=icons_couv,popup = popupTable(bassins_couv,row.numbers = F,feature.id = F),
                    group = "bassins couverts") %>%
  addPolygons(fill = TRUE, fillOpacity = 0.6, fillColor = ~factPal(iso_diff_couv$drive_times),
              stroke = F,
              data = iso_diff_couv["drive_times"], popup = iso_diff_couv$drive_times,
              group = "bassins couverts") %>%
  
  addAwesomeMarkers(data=bassins_annuels,icon=icons_annuel,popup = popupTable(bassins_annuels,row.numbers = F,feature.id = F),
                    group = "bassins annuels") %>%
  addPolygons(fill = TRUE, fillOpacity = 0.6, fillColor = ~factPal(iso_diff_annuel$drive_times),
              stroke = F,
              data = iso_diff_annuel["drive_times"], popup = iso_diff_annuel$drive_times,
              group = "bassins annuels") %>%
  
  addAwesomeMarkers(data=bassins_annuels_couv,icon=icons_couv_annuel,popup = popupTable(bassins_annuels_couv,row.numbers = F,feature.id = F),
                    group = "bassins annuels couverts") %>%
  addPolygons(fill = TRUE, fillOpacity = 0.6, fillColor = ~factPal(iso_diff_couv_annuel$drive_times),
              stroke = F,
              data = iso_diff_couv_annuel["drive_times"], popup = iso_diff_couv_annuel$drive_times,
              group = "bassins annuels couverts") %>%
  
  addMarkers(data=ecole,
             icon= ~ecoleicon[ecole$Type_ecole],
             popup=popupTable(ecole,row.numbers = F,feature.id = F),
             group = "écoles") %>%
  addPolygons(fill=T,fillOpacity = 0.1,stroke = T,color="yellow",weight = 1,dashArray = "3",
              data=comecole,
              popup = popupTable(comecole@data %>%
                               dplyr::select (INSEE_COM,NOM_COM_M,STATUT,CODE_EPCI,POPULATION,Maternelle,Primaire),
                               row.numbers = F,feature.id = F),
              group="écoles") %>%

  addLayersControl(
    baseGroups = c("tous bassins","bassins couverts","bassins annuels","bassins annuels couverts"),
    overlayGroups="écoles",
    options = layersControlOptions(collapsed = F,autoZIndex = F)) %>%  
  addPolygons(data=reg27carto,fill=F,weight = 4,color = "white",group = "écoles" ) %>%
  addPolygons(data=dep27carto,fill=F, weight = 3,color = "white",group = "écoles") %>%
    addLegend("bottomright", pal = factPal, values = iso_diff$drive_times,   
            title = "temps d'accès") 
```

# *En savoir* **+** {data-orientation="rows" data-icon="fa-info-circle" font-size="25px"}

## Row {data-height="20"}

## Row {data-height="60"}

**Sources :**

-   Injep, MEDES, recensement des "licences et des clubséquipements sportifs (RES)

    -   
    -   
    -   

-   Insee, Base permanente des équipements

    -